
SPSS详细教程 | 配对样本的t检验
1、问题与数据
某研究使用克矽平治疗矽肺病患者10名,分别测得治疗前、后患者的血红蛋白含量(g/dL),数据如下。试问该药对矽肺患者的血红蛋白含量有无影响?
2、对数据结构的分析
整个数据资料涉及1组患者(共10名),每名患者有治疗前、后2个数据,采用自身前后对照设计,测量指标为血红蛋白含量,因此属于配对设计的定量资料。
要想知道克矽平对血红蛋白的含量有无影响,则要比较治疗前、后血红蛋白含量的差异是否有统计学意义。若2组数据服从正态分布的要求,可选用配对样本的t检验。
3、SPSS分析方法
(1)数据录入SPSS
(2)选择Analyze→Compare Means→Paired-Samples T Test
(3)选项设置
主对话框设置:分别把“before”和“after”变量放入Paired Variables框中的Variable1和Variable2(Pair 1)→OK
4、结果解读
Paired Samples Statistics表格给出了治疗前、后血红蛋白含量的部分统计信息,包括均数(Mean)、配对数(N)、标准差(Std. Deviation)和样本均数的标准误(Std. Error Mean)。
Paired Samples Correlations 表格给出了治疗前、后血红蛋白含量的相关系数(Correlation),为0.676,P(Sig.)=0.032,具有相关关系。
Paired Samples Test表格给出了统计检验的结果。Mean为治疗前、后血红蛋白差值的均数,Std. Deviation为差值的标准差,Std. Error Mean为差值均数的标准误,95% Confidence Internal of the Difference(Lower,Upper)为差值均数的95%可信区间。t=-0.531,P(Sig.(2-tailed))=0.609 >0.05,差异无统计学意义。
5、撰写结论
使用克矽平治疗前,矽肺患者的血红蛋白含量为(13.4±1.3)g/dL,治疗后的血红蛋白含量为(13.6±1.0)g/dL,尚不能认为克矽平对矽肺患者的血红蛋白含量有影响(t=-0.531,P=0.609)。
6、配对样本t检验的适用情况
(1)同一研究对象给予处理前、后比较;
(2)同一研究对象给予不同处理比较;
(3)不同研究对象配对后,随机接受不同处理比较。
7、延伸阅读
本研究拟分析克矽平对血红蛋白含量的影响,实质上是将治疗前、后血红蛋白的差值作为分析指标,判断差值的总体均数是否为零,即分析差值与0相比是否有统计学意义。如果差异具有统计学意义,则表示血红蛋白含量有变化。因此,在SPSS软件中我们也可以生成一个治疗前、后血红蛋白的差值变量(dif=after-before),进行单样本均数的t检验(总体均数为0)。
结果如下:t=0.531,P=0.609 >0.05,尚不能认为克矽平对矽肺患者的血红蛋白含量有影响,与配对t检验结果一致。(t值相差一个负号是由于二者的差值计算公式刚好相反,如果配对t检验中,Paired Variables框先放“after”,再放“before”,则t值结果相等)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04